具体实施方式

下面将更详细地描述本发明的优选实施方式。虽然以下描述了本发明的优选实施方式，然而应该理解，可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本发明更加透彻和完整，并且能够将本发明的范围完整地传达给本领域的技术人员。

根据本发明的一种基于人形目标识别的多雷达协同探测报警系统，包括：多个雷达探测设备，每个雷达探测设备均设置在铁路沿线的支杆上，每个雷达探测设备均检测进入铁路沿线的入侵目标并输出第一入侵信号；控制器，控制器分别与每个雷达探测设备连接，控制器基于来自于每个雷达探测设备的第一入侵信号获得第二入侵信号，并输出第二入侵信号；图像采集设备，图像采集设备根据第二入侵信号采集入侵目标的图像；主控平台，主控平台与图像采集设备连接，主控平台基于来自于图像采集设备的图像进行人形目标识别，根据识别结果输出报警信号。

基于人形目标识别的多雷达协同探测报警系统及装置主要由主控平台、雷达探测设备、控制器、图像采集设备和其他附属设备等组成。

1)雷达探测设备

雷达探测设备是系统的核心组成，设备采用高精度、低功耗的FMCW体制雷达，对入侵区域进行覆盖式探测。雷达探测设备能够获取入侵目标的方位角、移动速度、距离等信息，同时支持多目标定位与轨迹跟踪。系统利用毫米波雷达对环境的适应性强的特点，实现对铁路沿线全天时全天候的监测。在白天、黑夜、雨天、雾霾天均有优异的检测效果，结合先进的智能算法分析，有效过滤植物、小动物干扰，降低系统误报率。

2)控制器

控制器接收每个雷达探测设备的信息，将过个雷达探测设备的信号进行融合处理，获得第二入侵信号，将第二入侵信号发送至图像采集设备，触发图像采集设备按照第二入侵信号的信息，采集入侵目标的图像。

对于目标区域的探测方面，传统手段通常采用单雷达。单雷达探测区域和扩展角有限，难以360度覆盖目标区域，而采用多雷达协同探测→数据融合→检测判定→融合判定→融合输出→获取图像及视频或调取监控→结果确认，实现目标区域“一监控多雷达”协同探测视频确认的功能，可有效降低系统成本。

3)图像采集设备

图像采集设备接收到控制器的第二入侵信号后，根据第二入侵信号，采集入侵目标的图像及视频信息，并将采集的信息发送至主控平台，以便主控平台进行人形识别。

4)主控平台

具体的，人形识别(Human Shape Recognition,简称HSR)方法是指利用人体成像的一定特征，通过对图形图像施加一定的处理技术，最终在成像空间中发现、识别和定位人形目标的技术，人形识别(HSR)技术是智能安防(Smart Security,简称SS)系统的一项重要技术，是计算机视觉，模式识别，图像处理技术和形态学技术的融合，是智能安防(SS)系统的重要研究课题。许多的针对人形进行检测定位的智能安防(SS)系统都不可避免的应用到人形识别(HSR)技术，因此人形识别(HSR)技术具有重要的现实应用意义。

本发明中运用了基于灰度特征的人形目标定位方法进行入侵目标的识别。不仅因为该类方法简单易行容易在一些处理速度不高的场合应用，比如人员非法侵入铁路线路，而且该方法也有很高的准确性。其它方法(背景差分法、帧间差法、光流场法、基于卡尔曼滤波器的方法、帧间二元匹配法、匹配傅里叶变换的高速运动目标检测、基于三帧差分和边缘信息的方法、区域级运动目标检测、基于动态场景图像序列的运动目标检测、基于码书的方法、基于统计背景模型的方法、基于概率统计自适应背景模型的方法、基于2D时空熵门限方法)的应用往往是基于一定的研究的目的来进行探究，其算法的准确性虽然可能会有一定程度的提高，但是其算法计算的复杂度往往较高，因而在实际应用中使用的较少。

除此进行人形目标识别外，主控平台提供管辖范围内所有监控区域的统一管理，具备实时视频查看、精确定位，多源信息管理等功能。其中，精确定位是在接收到人员入侵报警信号后，可立即对事故发生地点进行精确定位；多源信息管理是对历史事故信息、视频数据等多源信息进行统一汇总与管理。

根据示例性的实施方式，基于人形目标识别的多雷达协同探测报警系统通过多雷达协同探测，实现探测区域全覆盖，并通过人形目标识别方法，重点防控区域内人员非法侵限的情况，提升铁路管理部门的管理效能，降低系统的误报率。系统为基于人形定位和识别算法进行铁路侵限行为控制和判断，因此，系统对非法人员侵限的捕捉及判断更精准，降低了系统误报率，提升系统的效率，除此以外，还具有以下技术效果：

(1)增强系统及装置的鲁棒性。由于雷达探测数据融合技术是基于多个雷达搜集的数据进行的，因此可以将由局部环境变化对系统造成的影响最小化，使系统对环境变化有较强的适应能力。

(2)扩展系统的空间覆盖范围。由于单个雷达所覆盖的区域是十分有限的，而多个雷达所组成的网络极大的拓展了雷达的搜索范围，当某人形目标移出一个雷达的扫描区域后可能会进入另一个雷达的扫描区域这样就可以继续对目标进行跟踪。

(3)增加系统的可信度。由多个雷达对同一目标进行探测，可以减小由但雷达探测所造成的误差，对目标位置的确定更为精确。

(4)改善系统的检测能力。在虚警密度一定的情况下，多雷达系统对目标的发现概率明显高于单雷达系统。

(5)提高了系统的可靠性。在系统中由于单个雷达故障丧失工作能力并不会对系统造成太大影响，由于各雷达覆盖区域间存在交叠，其他雷达会在一定程度上弥补由于故障雷达的缺失所损失的探测数据。

(6)提高系统决策的正确性。由于铁路管理人员做出决策所依靠的数据是由多个雷达提供的，这种数据相比单个雷达提供的数据更具有可靠性，所以更有助于铁路管理人员做出正确的决策。

(7)以多雷达探测融合技术为主导，结合人形识别和定位算法技术，研究多雷达与视频协同联动智能化防护手段，形成全天时、全天候、立体化的目标检测报警能力，具备非法入侵报警、视频跟踪、语音驱离等功能。当有非法入侵事件发生时，雷达主动发现目标并持续跟踪，触发视频联动跟踪，视频复核确认入侵目标的真实性，自动启动语音喊话设备，驱离目标离开线路。

作为可选方案，主控平台基于来自于图像采集设备的图像进行人形目标识别包括：将图像与预设图像进行匹配，获得图像的场景；基于图像的场景，将图像分割为多个区域；分别计算每个区域的面积值；分别判断每个区域是否与预设区域一致；选取面积值大于面积阈值的区域和与预设区域不一致的区域，生成目标区域集；基于目标区域集和人形目标识别模板，进行人形目标识别。

具体的，为了在图像上能够尽量的选定目标区域，同时也是为了减少计算量，这里给出3个假设，(1)面积过小的前景区域不可能为人体；(2)人体在水平方向的弯曲不应过大；(3)人体不会出现在划定的非目标区域之外。

为了选定最大目标区域，这里提出了基于水平和垂直向量组的目标区域分割方法。具体方法是首先建立水平向量组A和垂直向量组B，然后进行水平和垂直搜索。水平搜索中，建立全局窗口，对于垂直方向进行全搜索，如果对应的垂直方向，有像素点，则对应水平向量组标定为1，否则标定为0。垂直搜索和水平方向类似，只不过需要固定水平方向，在垂直方向进行窗口滑动。有次可见在得到的水平向量组和垂直向量组中，连续的1和0数量出现多的即为面积区域。

基于以上的假设，提出了基于最大面积检测的方法。首先对于全场景进行基于面积的区域分割，然后根据区域面积和像素的多少来确定要分割的最大区域，获得分割后的多个区域，分别计算每个区域的面积值，选取面积值大于面积阈值的区域和与预设区域不一致的区域保留下来，生成目标区域集，将目标区域集中的每个区域和人形目标识别模板进行匹配，进行人形目标识别。

作为可选方案，人形目标识别模板包括多个人形识别子模板，基于目标区域集和人形目标识别模板，进行人形目标识别包括：计算每个人形识别子模板的像素值；分别针对目标区域集中的每个区域，计算区域的像素值，获取区域的像素值与每个人形识别子模板的像素值的差值，当差值大于像素阈值时，确定入侵目标为人。

具体的，建立多个人形识别子模板，分别针对目标区域集中的一个区域，计算该区域的像素值，获取该区域的像素值与每个人形识别子模板的像素值的差值；当该区域的像素值与某个人形识别子模板的像素值的差值大于像素阈值时，确定入侵目标为人。

作为可选方案，人形识别子模板包括方形的头部区域和梯形的肩部区域，头部区域与肩部区域的上底连接。

作为可选方案，人形识别子模板中人形构成的图形的面积为：

Area(hs)＝L_head*W_head+1/2(L1_shoulder+L2_shoulder)*H_shoulder

其中，L_head和W_head分别为头部区域的长和宽，L1_shoulder和L2_shoulder分别为肩部区域的上底和下底，H_shoulder为肩部区域的高。

具体的，图像展现在人的视觉范围内的是它的视觉特征，包括图像内容的形状、颜色、纹理、明暗等。由于视觉特征具有很好的直观性和目测性，因而更容易被人接受和利用。人体目标的视觉特征众多，而基于形状特征的人形目标识别被人们越来越多的研究和运用。图像特征的提取与表达是目标检测的重要内容，这里图像的特征指的是图像的视觉特征(如色彩、纹理、形状、对象表面等)。这里给出的人形识别子模板包括方形的头部区域和梯形的肩部区域，头部区域与肩部区域的上底连接。

其区域面积组成如下式所示：

Area(hs)＝L_head*W_head+1/2(L1_shoulder+L2_shoulder)*H_shoulder

此模板将前景区域分为了A、B两部分。其中A为真正的人体头肩区域，B为模板的外部限制区域，建立评价函数如下式所示：

Area＝1/Area(hs)(∑hs-∑b)

上式中∑hs和∑b分别如下式所示：

其中，L_head和W_head分别为头部区域的长和宽，L1_shoulder和L2_shoulder分别为肩部提醒模板的上底和下底，H_shoulder为肩部梯形模板的高。由于人体在直立状态头部和肩部的位置可能会发生一定的偏移，为了表示这一种偏移，这里用变量α来表示头肩相对偏移量。Area(hs)和Area(b)分别表示模板中头肩区域的集合面积。而∑hs和∑b表示头肩部区域前景像素的大小。由公式可以看出，当所得到的头肩部分和真正的图像成像部分相符合的时候，Area(hs)＝∑hs，即头肩集合面积和像素数量相当。由此可知Area∈[0,1]。

实际的图像量化中，头部区域的面积往往会大于肩部，为了能够有效的表明头部和肩部的面积，这里给出如下式所示：

Area(shoulder)＝βArea(head)

其中表示头部区域和肩部区域面积的比例关系，这里的的取值应该小于0.5，如果取值过大，则头部和肩部的面积相当，此时容易对于头肩之间的转折部分的检测得较弱，容易检测到连续的一块区域，使精度大大降低。倘若取值过小，则头部区域的面积会很大，会造成肩部部分的检测精度降低，往往会造成，头部是一大块区域，而肩部区域却只是一小块面积区域的情况，为了能够有效的标定我们给出一个滑动的取值区间，β∈[0.3,0.5]，这种变动区间，在实际检测中能够根据具体头部和肩部成像的不同，较准确的标定头部和肩部的面积区域。

作为可选方案，控制器基于来自于每个雷达探测设备的第一入侵信号获得第二入侵信号包括：分别针对每个雷达探测单元，对其第一入侵信号进行滤波去噪，获得一次处理后的点迹；将不同扫描周期及不同探测距离的一次处理后的点迹均与数据库中的航迹进行匹配，获得雷达探测单元探测的入侵目标的运动轨迹；将多个雷达探测单元探测的入侵目标的运动轨迹进行融合，获得第二入侵信号。

作为可选方案，将多个雷达探测单元探测的入侵目标的运动轨迹进行融合，获得第二入侵信号包括：分析每个雷达探测单元探测的入侵目标的运动轨迹，根据入侵目标所在的方向、角度和位置，判断多个雷达探测单元探测的入侵目标的运动轨迹是否存在重复；将重复的入侵目标的运动轨迹删掉，将删掉后的入侵目标的运动轨迹合并，获得第二入侵信号。

具体的，雷达探测设备是系统的核心组成，采用高精度、低功耗的FMCW体制雷达，对入侵区域进行覆盖式探测。雷达探测设备能够获取入侵目标的方位角、位置、移动速度、距离等信息，同时支持多目标定位与轨迹跟踪。控制器分析每个雷达探测设备输出的入侵目标的方位角、位置、移动速度、距离等信息，判断是否有重复的信息，将重复的第一入侵信号删掉，将剩下的第一入侵信号作为第二入侵信号。报警系统利用毫米波雷达对环境的适应性强的特点，实现对铁路沿线全天时全天候的监测。

多个雷达探测设备获得的雷达信息协同探测及处理技术是雷达信息处理系统的核心。雷达信息处理技术分为三个层次，即雷达信号处理与检测、单雷达数据处理以及多雷达数据融合，也被概括为雷达信息一次处理、雷达信息二次处理和雷达信息三次处理。

1)雷达信号处理与目标检测

在雷达信息处理技术中，雷达信号处理与目标检测被称为雷达信息一次处理。雷达信息一次处理通常以雷达为单位进行的，它通常是对雷达某一扫描周期的原始数据进行处理。雷达信息一次处理的目的是在噪声背景下，提取有用的目标信息。尽管在处理过程中采用了许多的滤波降噪技术，但受到杂波波普特性和滤波器性能的限制，无法将杂波完全滤除，对于剩下的杂波和干扰信号称之为杂波剩余。

在一次处理后，若杂波剩余较多会加重后续处理的负担造成计算机饱和，为了提高系统性能可以对一次处理的结果进行过滤，以进一步减少由杂波或噪声产生的假点迹。此外去野值以及由距离分割和目标检测准则引起的目标分裂，也需要在这里进行合并处理。上述工作可以理解为二次处理前的预处理。

2)单雷达数据处理

单雷达数据处理又称雷达信息二次处理。在二次处理中数据处理单元以一次处理输出的点迹作为输入，将这些点迹与数据库中的点迹进行关联，对目标状态进行更新，同时进行外推、滤波等处理，上述过程就是对目标的跟踪。这里的关联是指将目标的点迹与其所对应的点迹进行配对。

3)多雷达数据融合

基于二次处理的结果进行的三次处理通常是在多雷达数据融合系统的融合中心进行的。对多部雷达航迹进行处理通常称作多雷达数据融合，融合中心接收由各雷达传送过来的点迹数据，进行后续的数据处理。在白天、黑夜、雨天、雾霾天均有优异的检测效果，结合先进的智能算法分析，有效过滤植物、小动物干扰，降低系统误报率。

作为可选方案，多个雷达探测设备的探测方位不同，且多个雷达探测设备的探测方位覆盖范围为360°。

具体的，通过多雷达协同探测，实现探测区域全覆盖，并通过人形目标定位方法，重点防控区域内人员非法侵限的情况，提升铁路管理部门的管理效能。

多雷达协同实现的主要功能为：划分报警区域、自动连续采集防护区域数据、实时发现入侵目标、获取入侵目标的方位角、位置、移动速度等信息、联动视频复核、联动声光报警、生成检测日志、故障自检功能、自组网、自供电。其性能指标为：单个雷达实时探测距离不小于200米；入侵目标定位精度优于1米；入侵目标检测不小于30cm×30cm×30cm；支持多目标同时检测告警；误报率≤1％，漏报率≤2％；多雷达协同探测、有效覆盖范围360°。

作为可选方案，报警系统还包括：报警装置，报警装置与主控平台连接，报警系统接收报警信号后，执行报警；太阳能供电设备，太阳能供电设备分别与多个雷达探测设备、控制器和图像采集设备连接，太阳能供电设备为多个雷达探测设备、控制器和图像采集设备提供电源。

具体的，报警装置还包括其它辅助设备设施，如为多个雷达探测设备、控制器和图像采集设备提供电源的太阳能供电设备，采用太阳能供电提高整个报警系统的使用寿命，报警装置包括声音报警、灯光报警、喊话报警和语音对讲系统等。

作为可选方案，图像采集设备为无红曝球型摄像机。

具体的，图像采集设备选用适用于铁路应用的高清无红曝球机，配合雷达探测设备实现对入侵目标的连续跟踪。实现的主要功能：广域监控、视频复核报警信息、抓拍入侵目标图片上传、截取入侵目标录像数据并上传、故障自检、自组网、自供电。可以实现的性能指标为：实时探测距离不小于200米；支持360°水平旋转，垂直方向-20°-90°旋转。

作为可选方案，雷达探测设备为调频连续波体制雷达。

实施例

图1示出了根据本发明的一个实施例的基于人形目标识别的多雷达协同探测报警系统的结构框图。图2示出了根据本发明的一个实施例的基于人形目标识别的多雷达协同探测报警系统的主控平台进行人形目标识别的流程图。图3示出了根据本发明的一个实施例的基于人形目标识别的多雷达协同探测报警系统的多雷达融合处理流程图。图4示出了根据本发明的一个实施例的基于人形目标识别的多雷达协同探测报警系统的单雷达覆盖范围及角度示意图。图5示出了根据本发明的一个实施例的基于人形目标识别的多雷达协同探测报警系统的详细框图。

结合图1、图2、图3、图4和图5所示，该基于人形目标识别的多雷达协同探测报警系统，包括：多个雷达探测设备102，每个雷达探测设备102均设置在铁路沿线的支杆上，每个雷达探测设备102均检测进入铁路沿线的入侵目标并输出第一入侵信号；控制器104，控制器104分别与每个雷达探测设备102连接，控制器102基于来自于每个雷达探测设备102的第一入侵信号获得第二入侵信号，并输出第二入侵信号；图像采集设备106，图像采集设备106根据第二入侵信号采集入侵目标的图像；主控平台108，主控平台108与图像采集设备106连接，主控平台108基于来自于图像采集设备106的图像进行人形目标识别，根据识别结果输出报警信号。

其中，主控平台108基于来自于图像采集设备的图像进行人形目标识别包括：将图像与预设图像进行匹配，获得图像的场景；基于图像的场景，将图像分割为多个区域；分别计算每个区域的面积值；分别判断每个区域是否与预设区域一致；选取面积值大于面积阈值的区域和与预设区域不一致的区域，生成目标区域集；基于目标区域集和人形目标识别模板，进行人形目标识别。

其中，人形目标识别模板包括多个人形识别子模板，基于目标区域集和人形目标识别模板，进行人形目标识别包括：计算每个人形识别子模板的像素值；分别针对目标区域集中的每个区域，计算区域的像素值，获取区域的像素值与每个人形识别子模板的像素值的差值，当差值大于像素阈值时，确定入侵目标为人。

其中，人形识别子模板包括方形的头部区域和梯形的肩部区域，头部区域与肩部区域的上底连接。

其中，人形识别子模板中人形构成的图形的面积为：

Area(hs)＝L_head*W_head+1/2(L1_shoulder+L2_shoulder)*H_shoulder

其中，L_head和W_head分别为头部区域的长和宽，L1_shoulder和L2_shoulder分别为肩部区域的上底和下底，H_shoulder为肩部区域的高。

其中，人形识别子模板中人形构成的图形的面积为：

Area(hs)＝L_head*W_head+1/2(L1_shoulder+L2_shoulder)*H_shoulder

其中，L_head和W_head分别为头部区域的长和宽，L1_shoulder和L2_shoulder分别为肩部区域的上底和下底，H_shoulder为肩部区域的高。

其中，控制器基于来自于每个雷达探测设备的第一入侵信号获得第二入侵信号包括：分别针对每个雷达探测单元，对其第一入侵信号进行滤波去噪，获得一次处理后的点迹；将不同扫描周期及不同探测距离的一次处理后的点迹均与数据库中的航迹进行匹配，获得雷达探测单元探测的入侵目标的运动轨迹；将多个雷达探测单元探测的入侵目标的运动轨迹进行融合，获得第二入侵信号。

其中，将多个雷达探测单元探测的入侵目标的运动轨迹进行融合，获得第二入侵信号包括：分析每个雷达探测单元探测的入侵目标的运动轨迹，根据入侵目标所在的方向、角度和位置，判断多个雷达探测单元探测的入侵目标的运动轨迹是否存在重复；将重复的入侵目标的运动轨迹删掉，将删掉后的入侵目标的运动轨迹合并，获得第二入侵信号。

其中，多个雷达探测设备的探测方位不同，且多个雷达探测设备的探测方位覆盖范围为360°。

其中，报警系统还包括：报警装置，报警装置与主控平台连接，报警系统接收报警信号后，执行报警；太阳能供电设备，太阳能供电设备分别与多个雷达探测设备、控制器和图像采集设备连接，太阳能供电设备为多个雷达探测设备、控制器和图像采集设备提供电源。

其中，图像采集设备为无红曝球型摄像机。

其中，雷达探测设备为调频连续波体制雷达。

雷达信息协同探测及处理技术是雷达信息处理系统的核心。雷达信息处理技术分为三个层次，即雷达信号处理与检测、单雷达数据处理以及多雷达数据融合，也被概括为雷达信息一次处理、雷达信息二次处理和雷达信息三次处理。

1)雷达信号处理与目标检测

在雷达信息处理技术中，雷达信号处理与目标检测被称为雷达信息一次处理。雷达信息一次处理通常以雷达为单位进行的，它通常是对雷达某一扫描周期的原始数据进行处理。雷达信息一次处理的目的是在噪声背景下，提取有用的目标信息。尽管在处理过程中采用了许多的滤波降噪技术，但受到杂波波普特性和滤波器性能的限制，无法将杂波完全滤除，对于剩下的杂波和干扰信号称之为杂波剩余。

在一次处理后，若杂波剩余较多会加重后续处理的负担造成计算机饱和，为了提高系统性能可以对一次处理的结果进行过滤，以进一步减少由杂波或噪声产生的假点迹。此外去野值以及由距离分割和目标检测准则引起的目标分裂，也需要在这里进行合并处理。上述工作可以理解为二次处理前的预处理。

2)单雷达数据处理

单雷达数据处理又称雷达信息二次处理。在二次处理中数据处理单元以一次处理输出的点迹作为输入，将这些点迹与数据库中的点迹进行关联，对目标状态进行更新，同时进行外推、滤波等处理，上述过程就是对目标的跟踪。这里的关联是指将目标的点迹与其所对应的点迹进行配对。

3)多雷达数据融合

基于二次处理的结果进行的三次处理通常是在多雷达数据融合系统的融合中心进行的。对多部雷达航迹进行处理通常称作多雷达数据融合，融合中心接收由各雷达传送过来的点迹数据，进行后续的数据处理。雷达信息处理的流程如图3所示。

如图5所示，报警系统还包括PC端、手机端用户、数据服务器等，充分结合物联网设计理念，以人形定位识别算法为出发点，依托人工智能、边缘计算、移动通信等先进技术，有效集成多雷达探测装置、视频监控、语音设备等，构建面向铁路重点防护区域的智能化、立体化的安防系统。其中，前端探测设备部署在现场，后台部署在局互联网网站群平台，PC端放置在值班室或监控中心。

以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。